Metal-organik kafesler (MOF), metal iyonları ve organik bağlayıcılardan oluşan gözenekli yapılar olarak malzeme biliminin en heyecan verici alanlarından biri. Bu yapılar gaz depolama, karbon yakalama ve kataliz gibi uygulamalarda büyük potansiyel taşıyor. Ancak yüksek sıcaklıklardaki davranışlarını anlamak, pahalı ve zaman alıcı kuantum hesaplamalar gerektiriyor.
Yeni araştırmada bilim insanları, bu sorunu yapay zeka ile çözmeye odaklandı. ZIF-8, UiO-66 ve MOF-5 gibi dokuz farklı MOF yapısının oda sıcaklığından 2000 Kelvin'e kadar olan sıcaklıklardaki moleküler dinamik simülasyonları gerçekleştirildi. Bu sıcaklık aralığında malzemelerin nasıl deforme olduğu, bağlayıcıların nasıl bozunduğu ve metal düğümlerinin nasıl topaklandığı gözlemlendi.
Araştırmacılar, beş farklı evrensel makine öğrenmesi modelini karşılaştırdı. ORB-v3 ve fairchem OMAT modelleri, enerji, kuvvet ve gerilim hesaplamalarında en yüksek doğruluğu gösterdi. Bu modeller, geleneksel kuantum hesaplamalarla neredeyse aynı doğrulukta sonuçlar üretirken hesaplama maliyetini önemli ölçüde azaltıyor.
Bu gelişme, endüstriyel uygulamalar için kritik olan yüksek sıcaklık dayanımına sahip MOF'ların tasarlanmasında önemli bir araç sunuyor. Özellikle enerji depolama ve çevre teknolojilerinde kullanılacak malzemelerin geliştirilmesinde hız kazandırabilir.